字符集和编码
此页面描述了 C++ 标准中指定的几种字符集。
翻译字符集翻译字符集 包含以下元素
翻译字符集是基本字符集和基本字面量字符集的超集(见下文)。 |
(自 C++23 起) |
[编辑] 基本字符集
基本字符集 包含以下 96(直到 C++26)99(自 C++26 起) 个字符
代码单元 | 字符 | 字形 |
---|---|---|
U+0009 | 字符制表符 | |
U+000B | 换行符 | |
U+000C | 换页符 (FF) | |
U+0020 | 空格 | |
U+000A | 换行符 (LF) | 换行符 |
U+0021 | 感叹号 | !
|
U+0022 | 引号 | "
|
U+0023 | 井号 | #
|
U+0025 | 百分号 | %
|
U+0026 | 和号 | &
|
U+0027 | 撇号 | '
|
U+0028 | 左圆括号 | (
|
U+0029 | 右圆括号 | )
|
U+002A | 星号 | *
|
U+002B | 加号 | +
|
U+002C | 逗号 | ,
|
U+002D | 连字符 | -
|
U+002E | 句号 | .
|
U+002F | 斜杠 | /
|
U+0030 .. U+0039 | 数字零 .. 九 | 0 1 2 3 4 5 6 7 8 9
|
U+003A | 冒号 | :
|
U+003B | 分号 | ;
|
U+003C | 小于号 | <
|
U+003D | 等于号 | =
|
U+003E | 大于号 | >
|
U+003F | 问号 | ?
|
U+0041 .. U+005A | 拉丁大写字母 A .. Z | A B C D E F G H I J K L M
|
U+005B | 左方括号 | [
|
U+005C | 反斜杠 | \
|
U+005D | 右方括号 | ]
|
U+005E | 插入符 | ^
|
U+005F | 下划线 | _
|
U+0061 .. U+007A | 拉丁小写字母 a .. z | a b c d e f g h i j k l m
|
U+007B | 左花括号 | {
|
U+007C | 竖线 | |
|
U+007D | 右花括号 | }
|
U+007E | 波浪号 | ~
|
自 C++26 起,以下字符被添加到基本字符集中
|
(自 C++26 起) |
[编辑] 基本字面量字符集
基本字面量字符集 包含基本字符集中的所有字符,以及以下控制字符
代码单元 | 字符 |
---|---|
U+0000 | 空字符 |
U+0007 | 响铃 |
U+0008 | 退格 |
U+000D | 回车符 (CR) |
[编辑] 执行字符集
执行字符集和执行宽字符集是基本字面字符集的超集。执行字符集的编码以及额外的元素集(如果有)是特定于区域设置的。执行宽字符集的每个元素都必须能够表示为一个不同的 wchar_t 代码单元。
[编辑] 代码单元和字面编码
一个代码单元是字符类型的整数值。除多字符或不可编码字符字面量或字符串字面量之外的字符字面量中的字符,将根据编码前缀以一个或多个代码单元的序列进行编码;这被称为相应的字面编码。
字面编码或执行字符集中之一的特定于区域设置的编码,将基本字面字符集的每个元素编码为单个非负值的代码单元,该代码单元与任何其他此类元素的代码单元不同。不在基本字面字符集中的字符可以使用多个代码单元进行编码;此类代码单元的值可能与基本字面字符集元素的代码单元的值相同。执行字符集的编码可能与任何字面编码无关。
普通字面编码是应用于普通字符或字符串字面量的编码。宽字面编码是应用于宽字符或字符串字面量的编码。
U+0000 NULL 字符被编码为值 0。翻译字符集中的其他任何元素都不会被编码为值为 0 的代码单元。数字 0 (U+0030) 之后的每个十进制数字字符的代码单元值都应比前一个的值大 1。其他情况下,普通和宽字面编码由实现定义。
对于 UTF-8、UTF-16 或 UTF-32 字面量,与翻译字符集中的每个字符相对应的 UCS 标量值将根据 ISO/IEC 10646 中针对相应 UCS 编码形式的规范进行编码。
[编辑] 注释
通过 P2314R4,C++23 中更改了一些字符集的标准名称。
新名称(s) | 旧名称(s) |
---|---|
基本字符集 | 基本源字符集 |
基本字面字符集 | 基本执行字符集 基本执行宽字符集 |
从源文件 (除 UTF-8 源文件之外)(自 C++23 起) 字符到 基本字符集(直到 C++23)翻译字符集(自 C++23 起) 的映射在 翻译阶段 1 中由实现定义,因此需要实现来记录基本源字符在源文件中如何表示。
[编辑] 缺陷报告
以下更改行为的缺陷报告已追溯应用于之前发布的 C++ 标准。
DR | 应用于 | 已发布的行为 | 正确行为 |
---|---|---|---|
CWG 788 | C++98 | 执行字符集成员的值 由实现定义,但不是特定于区域设置的 |
它们是特定于区域设置的 |
CWG 1796 | C++98 | 空 (宽) 字符在 基本执行 (宽) 字符集中的表示所有位都为零 |
仅要求值为零 |
[编辑] 另请参阅
ASCII 图表 | |
(C++26) |
描述了用于访问 IANA 字符集注册表 的接口 (类) |
C 文档 针对 字符集和编码
|